Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

Tízezer AI-tervet tesztel laborban a Poreva Open versenye

2026. október 19. 12:00Forrás: PR Newswire

Globális AI-fehérjetervezési versenyt indított a MegaRobo Technologies: a Poreva Open keretében több mint 10 000 tervet vetnek alá szabványosított laboratóriumi vizsgálatoknak. A regisztráció október 19-én nyílt meg, az első három kihívás az EGFR, a TNF-α és a GLP-1R célpontokra összpontosít.

A lényeg röviden
  • A Poreva Open több mint 10 000 AI által tervezett fehérjét vizsgál.
  • Az első három kihívás az EGFR, a TNF-α és a GLP-1R célpontokra épül.
  • A terveket a Megalaxy Lab szabványosított, kettős vak kísérletekben értékeli.
  • A verseny készpénzdíjainak összege 250 000 dollár, a laboratóriumi kreditek értéke 150 000 dollár.
  • Az eredmények és a kísérleti adatok közzétételét 2027 áprilisára tervezik.

A laboratóriumi ellenőrzés kerül a középpontba

A Poreva Open célja, hogy az AI által tervezett fehérjéket ne csak számítógépes előrejelzések alapján értékeljék. A MegaRobo Technologies közleménye szerint a versenyben részt vevő több mint 10 000 tervet egységesített nedveslaboros kísérletekben vizsgálják. Az eredményekből közösen használható, kísérleti adatokra épülő mérce készülhet az AI-alapú fehérjetervezéshez.

A programot a MegaRobo Technologies indította, amely saját meghatározása szerint a fizikai világ intelligenciainfrastruktúráját építő technológiai vállalat. A Poreva Open valamennyi megközelítés előtt nyitott: egyetemi és kutatóintézeti csoportok, egyetemi laboratóriumok, biotechnológiai és AI-vállalatok is nevezhetnek a világ bármely részéről.

Öt kihívásban vizsgálják a molekulákat

A nyitó verseny összesen öt kihívást tartalmaz. Az első három az EGFR, a TNF-α és a GLP-1R célpontokra épül, a további két kihívást a második fordulóban jelentik be. A résztvevők szabadon választhatnak modellt, algoritmust és tervezési módszert.

A beküldött terveket a MegaRobo Megalaxy Lab laboratóriumában, szabványosított és kettős vak kísérleti értékeléssel vizsgálják. A tesztek többek között a kötődési affinitást, a hőstabilitást, a fajok közötti reaktivitást, a pH-szelektivitást, a nem specifikus kötődést és a sejtszintű működést mérik. A kiválasztott molekulajelöltek további biológiai modellekben, például organoidokban is folytathatják a vizsgálatot.

Nyilvánossá teszik a kísérleti adatokat

A szervezők a verseny után közzéteszik az eredményeket és a kísérleti adatokat, beleértve a sikertelen tervekre vonatkozó adatokat is. Ez az adatok szellemi tulajdonhoz és megfelelőségi követelményekhez kapcsolódó korlátozásainak figyelembevételével történik.

A nevezők összesen 250 000 dollárnyi, azaz 1,7 millió jüan készpénzdíjért versenyeznek. A Megalaxy Lab további 150 000 dollár, vagyis 1 millió jüan értékű laboratóriumi validációs kreditet biztosít számukra díjmentesen. A legjobb tíz résztvevőnek a közlemény szerint akár 1,5 millió dollár értékű lehetséges befektetés megszerzésére is lehetősége nyílhat.

Az első három kihívásra október 19. és november 18. között lehet regisztrálni és beadni a terveket. A negyedik és ötödik kihívás beküldési időszaka november 9-től december 8-ig tart. A kísérleti validációt 2027 márciusáig tervezik elvégezni, az eredményeket és az adatokat 2027 áprilisában publikálnák. Ugyanebben a hónapban csapatbemutatót és díjátadót is tartanak.

MegaRobo TechnologiesPoreva OpenTencent CloudTwist BioscienceMegalaxy Labtudománybenchmarkkutatási eredmény
Kövesd az AI Hírek oldalát a FacebookonA legfontosabb MI-hírek magyarul, rögtön a megjelenés után a hírfolyamodban.Követem

Kapcsolódó hírek

Az Envision Tianji nyerte az ECMWF AI időjárási versenyét
Kutatás2026. október 30. 11:51

Az Envision Tianji nyerte az ECMWF AI időjárási versenyét

Első helyen végzett az Envision Tianji időjárási alapmodellje az ECMWF legutóbbi AI Weather Quest versenyén. A modell közel 20 nemzetközi csapatot előzött meg, és minden…

NVIDIA: Tensor Core módszerekkel gyorsítható az atomisztikus szimuláció
Chipek és infrastruktúra2026. október 29. 16:00

NVIDIA: Tensor Core módszerekkel gyorsítható az atomisztikus szimuláció

Az NVIDIA vizsgálata szerint a Tensor Core-ok alacsonyabb pontosságú műveletekre épülő módszerei jelentősen gyorsíthatják a gépi tanulási interatomikus potenciálok…

A Scale AI szerint a modellek felismerik a kémiai kockázatot, mégis válaszolnak
Biztonság és etika2026. október 28.

A Scale AI szerint a modellek felismerik a kémiai kockázatot, mégis válaszolnak

A Scale AI bemutatta a DualChem nevű, 600 szakértői kérdésből álló tesztet, amely azt vizsgálja, hogyan kezelik a nagy nyelvi modellek a jó és káros célra egyaránt…